استفاده از یک روش یادگیری ماشین و محاسبه مقدار عدم اعتماد به هر میزبان به منظور تشخیص بات نت ها

امروزه بات نت ها یکی از مهم ترین تهدیدها در برابر زیرساخت اینترنت شناخته می شوند. هر بات نت گروهی از میزبان های آلوده شده با کد مخرب یکسان است که توسط مهاجم و از طریق یک یا چند سرویس دهنده فرمان و کنترل از راه دور هدایت می شوند. از آنجایی که سرویس DNS یکی از مهم ترین سرویس ها در شبکه اینترنت است، مهاجمین از آن جهت مقاو سازی بات نت خود استفاده می کنند. مهاجمین با استفاده از این سرویس دو تکنیک تغییر پی در پی آدرس IP و تغییر پی در پی نام دامنه را پیاده سازی می کنند. این تکنیک ها به مهاجم کمک می کنند تا مکان سرویس دهنده های فرمان و کنترل خود را به صورت پویا تغییر داده و از قرار گرفتن آدرس های آن ها در فهرست های سیاه جلوگیری کنند. در این مقاله، یک روش خوشه بندی به همراه محاسبه شهرت منفی هر میزبان به منظور تشخیص برخط بات نت هایی پیشنهاد می شود که از سرویس DNS در مراحل مختلف از چرخه حیات خود استفاده می کنند. در روش پیشنهادی، در پایان هر پنجره زمانی، ابتدا پرس و جوهای DNS با ویژگی های مشابه با استفاده از یک الگوریتم خوشه بندی انتخاب شده و در خوشه های جداگا نه ای قرار می گیرند. سپس میزبان های مشکوک شناسایی شده و به ماتریس فعالیت های گروهی مشکوک اضافه می شوند. در نهایت، شهرت منفی میزبان های موجود در این ماتریس محاسبه شده و میزبان هایی که شهرت منفی بالایی دارند به عنوان میزبان های آلوده به بات گزارش می شوند. نتایج آزمایش های انجام شده نشان می دهد که روش پیشنهادی قادر است تا بات نت هایی را که از پرس و جوهای DNS در مراحل مختلف چرخه حیات خود استفاده می کنند با دقت بالا و نرخ هشدار نادرست پایین تشخیص دهد.

Keywords:

تشخیص بات نت , خوشه بندی پرس و جوی DNS , الگوریتم تولید نام دامنه , تغییر پی در پی آدرس IP , تغییر پی در پی نام دامنه